系列讲解视频全流程制作

把「一个主题」变成「一期成片」：策划 → 页面编排（HTML 动画） → 讲解稿 → 配音 → 字幕 → 1080p MP4 → 抖音封面（横 16:9 + 竖 9:16）。默认风格档案沉淀自《道德经》讲解视频系列实战（新中式水墨 / 云健男声 / 白字黑发光字幕），整套可复用，逐项可覆盖。

画面路线（v2.0 起默认走 HTML 动画；v2.1 图文协同）：

默认：HTML 动画页——基于讲解词生成带入场动效与页间交叉淡化的 HTML 演示页，确定性逐帧渲染成视频，动画 100% 同步进成片（方案与编排规则见 references/html-animation.md）。
v2.1 图文协同：内置水墨 SVG 场景库（水波孤舟/涟漪/山峦/墨竹/望月/锦鲤）+ 条目图标 + 外链图片支持，按讲解词自动匹配或显式指定，图形部件错峰入场与文字动效统一编排。
回退：静态 PPT 帧 + xfade（需要原生 PPT 表格/复杂版式、或用户点名要 .pptx 时用）。

v2.3 起每期标配抖音封面：横版 16:9 + 竖版 9:16，按主题 AI 生成成套（横版锚点→用户确认→竖版派生），不取视频帧；流程见阶段 ⑥ 与 references/douyin-covers.md。

开工五问（每期开工先问；用户说「按上期来」「老规矩」则全部取默认直接开工）

这期讲什么？（主题 / 经文章节）
内容深度：详细讲解 / 要点讲解？（默认：详细讲解）
成片时长目标？（默认 6-7 分钟）
PPT 风格沿用新中式水墨？（默认：是）
音色沿用云健、字幕白字黑发光？（默认：是）

风格档案（用户未指定时直接采用）

项目	默认值
PPT 风格	新中式水墨：宣纸米白 + 墨黑 + 黛青 + 朱砂
字体	标题 SimSun（宋体），正文 Microsoft YaHei（SlideDSL 一律用英文 font-family）
画面元素	SVG 水墨插画（不用 AI 生图，保真度 100%、可反复改）
动画	HTML 动画页：标题 blur-in / 条目错峰 fade-up / 页间交叉淡化 / cue 要点强调（原「元素动画被否」针对 ffmpeg 叠加方案，HTML 确定性渲染路线已于 v2.0 落地验证）
音色	zh-CN-YunjianNeural（云健 · 男 · 浑厚）
语速	+0%（整篇统一；仅当用户显式要求才改，不得按内容密度分段变速）
字幕	白字 + 黑色外发光（blur 0.8），透明背景，底部居中
画幅	1920×1080（16:9）
发音修正	「老子」→ TTS 读「老紫」（lǎo zǐ 文读三声），字幕仍显示「老子」
抖音封面	横版 16:9 + 竖版 9:16；期名四字大字；AI 生成成套（锚点链），不取视频帧

工作目录约定

在工作区建 视频工作目录/，每期一个子目录（以主题命名）：

视频工作目录/{期名}/
├── {BASE} 讲解稿.json          # 单一数据源：标题/音色/发音修正/每页讲解词(+页面文案)
├── {BASE} 讲解稿_可编辑.txt    # export_txt.py 导出，供用户记事本审阅
├── 01_deck/                    # deck.html(动画演示页,可预览) + deck.json(时间轴清单)
├── 01_html_frames/             # f_XXXXX.png 逐帧 + frames_manifest.json（HTML 路线）
├── 01_frames/                  # frame_01.png ...（静态 PPT 回退路线）
├── 02_audio/                   # slide_01.mp3 ... slide_NN.mp3（逐页语音）
├── 配音试听/                   # 多音色试听 mp3 + 配音试听.html
└── 03_output/                  # 成品 {BASE}(带字幕).mp4

BASE = 期名（若含「讲解稿」字样自动剥除）。讲解稿 JSON 用 Python json.dump 程序化生成，禁止手写含中文引号的 JSON（会转义报错）。封面画布 {期名}-抖音封面.miora 按生成媒体交付规范放工作区根，双尺寸 PNG 在其 _assets/ 目录。

分阶段流程（含 4 道确认门禁，每道门禁拿到用户答复再继续）

开工前（首次或环境异常时）先跑环境体检：python scripts/doctor.py，MISSING 补齐再开工。节奏底线、闸门清单、BGM 与改版范围表见 references/pacing-and-gates.md （融合自 liyupi/ai-promo-video-maker 的方法论：节奏硬标准 / 数据校验 / 双闸门 / 改版纪律）。

阶段 ① 内容策划（门禁 1：开工五问）

按五问确定方案后，产出简短策划包（文案结构 / 视觉方案 / 音频方案），用户认可后进 ②。

阶段 ② 页面编排（HTML 动画路线 = 默认）

不再做 PPT：直接程序化生成 {BASE} 讲解稿.json，逐页写讲解词 text；每页可选 title（页面标题）、points（屏幕条目数组）、layout（title/bullets/quote/end）、 cues（要点强调，见下）——缺省时由讲解词自动推导（规则见 references/html-animation.md），但正式制作建议显式给出，质量更稳。
页数按内容深度定（详细讲解约 8 页）；表格/数据仍建议走静态 PPT 回退路线。

阶段 ②′ PPT 制作（静态回退路线）

用 workbuddy-pptx（SlideDSL）制作幻灯片，页数按内容深度定（详细讲解约 8 页）。
演讲者备注（notes）= 逐页讲解词：一次写入，多处复用（视频配音 / DOCX 时间轴 / 剪映导入）。
字体用英文名（SimSun / Microsoft YaHei），中文名不渲染。
配色与元素按风格档案；表格/数据页优先原生 PPT 元素。

阶段 ③ 讲解稿定稿（门禁 2：讲解稿审阅）

从 PPT notes 提取讲解词，程序化生成 {BASE} 讲解稿.json（结构见下）。

导出可编辑文本供审阅：

python scripts/export_txt.py "{BASE} 讲解稿.json"

明确提示用户用记事本打开 txt 逐页审阅；用户改完返回后同步回 JSON：
```
python scripts/import_txt.py "{BASE} 讲解稿.json" "{BASE} 讲解稿_可编辑.txt"
```
用户仅回复「文案可以」无修改时跳过同步。

阶段 ④ 配音（门禁 3：音色试听，硬门禁 voice_confirmed）

生成试听页让用户选音色：

python scripts/preview_voices.py 配音试听

用户选定后写入 JSON 并置 voice_confirmed=true（缺它 TTS 与合成直接拒绝执行）：

python -c "import json;p='{BASE} 讲解稿.json';d=json.load(open(p,encoding='utf-8'));d['voice']='zh-CN-YunjianNeural';d['rate']='+0%';d['voice_confirmed']=True;json.dump(d,open(p,'w',encoding='utf-8'),ensure_ascii=False,indent=2)"

语速默认 +0% 不动；仅当用户显式要求变速才改，且整篇统一。

阶段 ⑤ 成片合成（门禁 4：合成前向用户确认开工）

顺序：合成语音 → 生成动画页 → 渲染帧 → 合成视频（HTML 路线）；或渲染帧 → 语音 → 视频（静态路线）。

HTML 动画路线（默认）：

合成逐页语音（必须先做——页面时长取自真实语音时长）：

python scripts/tts_synth.py --narration "{BASE} 讲解稿.json" --out 02_audio

生成动画演示页（deck.html 可用浏览器 #preview 预览动画）：

python scripts/gen_html_deck.py --narration "{BASE} 讲解稿.json" --audio 02_audio --out 01_deck

逐帧渲染（只渲染动画窗口，几分钟内完成）：

node scripts/render_html_frames.mjs --deck 01_deck --out 01_html_frames

合成视频（concat 帧序列 + 逐句字幕，白字黑发光默认样式）：
```
python scripts/compose_html_video.py --deck 01_deck --frames 01_html_frames --audio 02_audio --narration "{BASE} 讲解稿.json" --out 03_output
```
默认产出 {BASE}(带字幕).mp4；--also-plain 加出无字幕版； --bgm <文件> 加背景音乐（自动 ducking，旁白起时压低音乐；曲库 Mixkit 免费可商用，须用户试听后定）。

静态 PPT 回退路线：

渲染画面帧（首选 PowerPoint COM，需本机装 PowerPoint）：
```
powershell -ExecutionPolicy Bypass -File scripts/export_frames.ps1 -Pptx "{BASE}.pptx" -OutDir 01_frames
```
已有 PDF 时可用 pymupdf 路径：python scripts/pdf_to_frames.py "{BASE}.pdf" 01_frames 1920。渲染后抽查 3 页（首页/内容密的一页/表格页）确认无字体异常。
合成逐页语音：同上 tts_synth.py。

合成视频（静态页 + xfade + 逐句字幕）：

python scripts/compose_video.py --frames 01_frames --audio 02_audio --narration "{BASE} 讲解稿.json" --out 03_output

验证交付：入场/转场点抽帧确认动画正常、无黑闪；页中段抽帧确认字幕； 跑成片闸门：python scripts/verify_output.py --video "03_output/{BASE}(带字幕).mp4" --deck 01_deck （规格/时长/响度/黑帧/静音全过才交付）；present_files 交付。

阶段 ⑥ 抖音封面（每期标配：横版 16:9 + 竖版 9:16）

成片交付时一并给封面，方便直接上传抖音。不取视频帧——按本期主题 AI 生成成套，交付 .miora 画布 + 双尺寸 PNG；提示词模板 / 意象对照 / 质检清单见 references/douyin-covers.md。用户明说不要封面时跳过。

文案：期名四字做图上唯一大字（如「有无相生」）；不加副题小字（必糊）；除主文案外画面零文字。
成套锚点链（硬规则）：横版锚点（纯文生图 1920×1080）→ 用户确认 → 竖版以锚点为参考图派生（1080×1920，竖向三段式）；风格 token 原文复用，禁止两张盲发。
视觉：与成片同风格（宣纸米白 + 墨黑 + 黛青 + 朱砂、水墨晕染、疏朗留白）；意象从本期主题取（如「有无相生」→ 圆月 + 水中月影倒影）。
尺寸照实：模型取整可能给 1920×1072 / 1072×1920（差 8px），如实报告；用户要精确再补边到标准值。
交付：工作区根 {期名}-抖音封面.miora + 双尺寸图卡片；封面文案与尺寸记入 需求确认.md。

（需要文字 100% 可控或跨期复用模板时，改走可编辑设计稿排版导出；默认 AI 生成。）

阶段 ⑦ 微调迭代

每期目录维护 需求确认.md：五问答案 + 每轮修改记录（用户原话入档），收到反馈先记后改、只重做必要步骤（改动范围→重做步骤对照表见 references/pacing-and-gates.md）。
字幕样式/颜色调整 → 见 references/subtitle-style.md（ASS 颜色是 BBGGRR 反序，必读）。
发音问题 → 只改 tts_replacements 重跑 TTS + 合成，字幕不动。
字幕同步 → compose 优先读 02_audio/timing_XX.json（TTS 句级真实时间轴，tts_synth 自动产出）。
画面/动画问题（HTML 路线）→ 改讲解稿 JSON 的 title/points/visual/cues 或 gen_html_deck.py 编排 → 重跑生成 deck → 渲染 → 合成（音频复用，除非讲解词也改了）。
画面问题（静态路线）→ 改 PPT 重导帧，音频复用。
封面修改 → 文案/意象不对只重出对应件；风格整体不对重出锚点再派生（见 references/douyin-covers.md）。

阶段 ⑧ 交付验收（自检清单）

画面：字体/配色无异常；表格页（若有）渲染正确
动画：标题/条目入场自然、页间转场平滑、cue 强调与讲解对位（HTML 路线）
配音：可听清、无吞字、语速全篇统一
发音：文读词正确（如「老子」= lǎo zǐ）
字幕：与语音逐句同步、样式统一、无溢出裁切
转场：交叉淡化平滑、无黑闪、无空白帧
时长：≈ 目标时长（±10 秒）
格式：1920×1080 / H.264 / AAC / .mp4
封面：横竖两版四字无缺笔、风格成套、尺寸照实（清单见 references/douyin-covers.md）

讲解稿 JSON 结构（单一数据源）

{
  "title": "老子今读-上善若水",
  "voice": "zh-CN-YunjianNeural",
  "rate": "+0%",
  "voice_confirmed": true,
  "tts_replacements": { "老子": "老紫" },
  "slides": [
    { "idx": 1, "text": "第一页讲解词……" },
    { "idx": 2, "text": "第二页讲解词……",
      "title": "水的三种品格", "points": ["利他，滋养万物", "不争，甘居下位"],
      "cues": [ { "t": 4.5, "dur": 0.9, "target": 0 } ] }
  ]
}

idx 从 1 连续编号，与 frame_XX.png（静态路线）/ slide_XX.mp3 严格对应。
HTML 动画路线每页可选字段：title（页面标题）、points（屏幕条目数组）、 layout（title/bullets/quote/end）、cues（要点强调：t=页内相对秒、target=条目序号 0 起、 dur=强调时长、action=pulse）；图文协同（v2.1）：visual（水墨场景 water/ripples/mountain/ bamboo/moon/fish，缺省按讲解词关键词自动匹配）、icons（条目图标 droplet/wave/mountain/moon/leaf）、 image（外链图片路径，内嵌右栏）。缺省时由讲解词自动推导，正式制作建议显式给出。
tts_replacements：发音修正表，只作用于 TTS 输入，字幕与可编辑文本保持原字。通用系列留空 {}。
voice_confirmed 默认 false，门禁 ③ 置 true，否则脚本拒绝合成。

常见失败速查

症状	原因	处理
字幕外框颜色和预期不符	ASS 颜色是 BBGGRR 反序	红=`&H000000FF` 蓝=`&H00FF0000` 黑=`&H00000000`
文读词被读成白话音（如老子 lǎo zi）	TTS 默认取口语读法	加进 `tts_replacements` 重跑 TTS
PPT 字体不渲染	中文名无法识别	用 SimSun / Microsoft YaHei
一步合成白屏/滤镜链崩	xfade 后叠 overlay 覆盖	拆两步：先底版再叠加；逗号转义 `\,`
帧"生成了"但找不到	pymupdf 静默失败	脚本已 abspath + 写后校验；或改用 export_frames.ps1
`--rate -10%` 报错 expected one argument	argparse 误判选项	用 `--rate=-10%` 或只改 JSON 的 rate
合成报"语音尚未确认"	漏了门禁 ③	置 `voice_confirmed=true` 后重跑
中文引号写 JSON 报错	手写转义错误	用 Python json.dump 程序化生成
deck 生成报"缺少语音"	HTML 路线必须先 TTS	先跑 tts_synth.py 再 gen_html_deck.py
渲染报"找不到 Chromium"	浏览器路径变了	用 `--browser` 指定 chrome.exe / msedge.exe
标题页没有居中	CSS 类选择器写法	用 `.inner.layout-title`（同类元素），别用后代选择器
条目被拆碎（序号句独立成条）	序号短句未合并	gen_html_deck.py 已内置合并；自定义 points 可彻底避免
成片最后一帧时长不对	concat 末文件怪癖	compose_html_video.py 已内置末文件重复，勿删
cue 强调没出现	cue 超出页面时长	检查 slides[].cues 的 t 是否小于该页语音时长
封面大字缺笔/错字	AI 渲染中文长句不稳	文案压到四字以内重出；锚点字不对先重出锚点再派生
封面短边 1072≠1080	模型取整	照实交付（比例仍≈16:9/9:16）；要精确补边到 1920×1080 / 1080×1920
两张封面不像一套	两张纯文生图各自漂移	必须锚点链：竖版以横版锚点为参考图派生

完整踩坑与架构经验见 references/pitfalls.md；HTML 动画路线详见 references/html-animation.md。

资源

scripts/doctor.py — 环境体检（每期开工先跑，MISSING 补齐再开工）
scripts/verify_output.py — 成片闸门（规格/时长/响度/黑帧/静音，全过才交付）
scripts/gen_html_deck.py — 讲解稿 → 图文协同动画 HTML 演示页 + deck.json 清单（HTML 路线入口）
scripts/render_html_frames.mjs — Playwright 确定性逐帧渲染（只截动画窗口，静止段复用末帧）
scripts/compose_html_video.py — 帧序列 + 语音 + 真实时序字幕 + BGM ducking 合成（HTML 路线）
scripts/tts_synth.py — edge-tts 批量合成（发音修正 + 句级真实时间轴 + voice_confirmed 门禁）
scripts/compose_video.py — 静态页+xfade+逐句字幕合成（静态回退路线）
scripts/export_txt.py / scripts/import_txt.py — 讲解稿与可编辑 txt 双向同步
scripts/preview_voices.py — 五音色试听对比页（离线可播）
scripts/export_frames.ps1 — PowerPoint COM 导出 1920×1080 画面帧（静态路线首选）
scripts/pdf_to_frames.py — pymupdf 渲染 PDF 帧（静态路线备选）
references/douyin-covers.md — 抖音封面全流程：文案规则 / 提示词模板 / 锚点链 / 质检清单（每期标配横竖双尺寸）
references/html-animation.md — HTML 动画路线：可行性结论 / 编排规则 / 踩坑（必读）
references/pacing-and-gates.md — 节奏底线 / 数据校验 / 双闸门 / BGM / 改版范围表（必读）
references/playbook.md — 全流程手册：确认项表 / 技术栈 / 优化路线
references/pitfalls.md — 踩坑清单与架构经验
references/subtitle-style.md — ASS 字幕样式手册（颜色反序 / 发光效果 / 样式预设）
assets/narration-template.json — 讲解稿 JSON 模板

依赖：playwright-core（技能根目录 node_modules，已装）；Chromium 探测顺序 ms-playwright 缓存 → 系统 Edge，均缺失时 --browser 指定。

系列讲解视频全流程制作 (EMzhe/explainer-video-series)

explainer-video-series)란 무엇인가요?

즐겨 사용하는 AI에게 물어보기

문서